摘要
本发明提供一种基于权重分配策略混合建模的热轧板带凸度预测方法,涉及冶金机械及自动化技术领域。该方法包括:获取热轧板带轧制过程中的历史生产数据,建立热轧板带凸度机理模型;采用改进的蚁群算法优化极限学习机,构建热轧板带凸度数据驱动模型;采用熵权法计算机理模型的信息熵和数据驱动模型的信息熵;根据模型信息熵,分别计算机理模型初始权重系数和数据驱动模型的初始权重系数,通过加权求和法建立混合模型;在不同轧制单元的热轧板带生产中,根据机理模型和数据驱动模型的预测值与实际值之间的偏差量动态调整权重,输出最终的热轧板带凸度预测结果。采用本发明可提高热轧板带凸度预测的准确性。
技术关键词
热轧板带
数据驱动模型
权重分配策略
凸度预测方法
信息熵
优化极限学习机
误差矩阵
蚂蚁
计算机可读取存储介质
轧制单元
轧辊热凸度
偏差
熵权法
计算机可读指令
算法
动态调整机制
预测装置
启发式信息
系统为您推荐了相关专利信息
密封检测方法
LED发光二极管
Logistic回归模型
扩展卡尔曼滤波
卷积神经网络模型
干眼
知识库管理
决策
权重分配策略
历史数据回归分析
故障检测模型
感知特征
车辆故障检测方法
信息熵
故障特征
策略优化方法
控制站
优化调度模型
流域防洪
水文